Цифровизация рекламы в электронных pdf-газетах с помощью ai

Немецкие региональные издательства продолжают выпускать газеты в формате PDF. Этот формат удобен для печати и архивирования, но не адаптирован под современные требования digital-медиа.

Основные проблемы, с которыми столкнулся заказчик:

• Рекламные объявления содержат веб-ссылки, но пользователи не могут по ним перейти — PDF остаётся статичным. Это снижает эффективность рекламы и делает невозможным отслеживание переходов.
• Добавление гиперссылок вручную требует много времени и усилий. Редакции не справляются с объемом — особенно в ежедневных выпусках.
• Формат не соответствует ожиданиям аудитории: в цифровом контенте пользователи ожидают интерактивность и кликабельность по умолчанию.

Цель проекта — автоматизировать процесс обработки PDF-газет: находить рекламные блоки, извлекать из них ссылки и добавлять кликабельные зоны в исходный документ. Обработка должна быть быстрой, масштабируемой и полностью автономной.

Мы разработали end-to-end пайплайн, который преобразует статичный PDF в интерактивный документ без участия человека.

Загрузка и хранение

Исходные PDF-файлы загружаются на облачное хранилище S3. Каждый файл получает уникальный идентификатор, и система автоматически запускает обработку.

Выделение рекламных блоков

На основе модели YOLO выполняется сегментация страниц. Модель находит потенциальные рекламные блоки и возвращает координаты прямоугольных областей с объявлениями.

Распознавание и извлечение ссылок

Каждый блок сохраняется как отдельное изображение и передаётся в языковую модель Gemini. Она анализирует содержимое, определяет, является ли блок рекламой, извлекает URL и возвращает структурированные данные (ссылка, описание, достоверность).

Добавление интерактивности

Система добавляет в исходный PDF ссылку, размещённую на соответствующем рекламном блоке. Границы кликабельной области строго соответствуют координатам, полученным на этапе сегментации. При этом сохраняется оригинальная верстка документа.

Генерация итогового документа

Файл с активными ссылками сохраняется в хранилище в том же каталоге, рядом с исходной версией. Также формируется лог обработки, содержащий информацию о числе найденных объявлений, добавленных ссылок и возможных ошибках.

Разработанная система позволила автоматизировать трудоёмкий процесс и обеспечить:

• Существенное сокращение времени на подготовку одного выпуска — с нескольких часов до нескольких минут;
• Повышение эффективности рекламы — пользователи теперь могут сразу перейти по ссылке;
• Улучшение пользовательского опыта — PDF-газеты приобрели черты интерактивного цифрового издания.

Система заложена как масштабируемая и уже готова к дальнейшему развитию: добавлению интерфейса, поддержке аккаунтов, подписок, администрирования и подключению других типов медиа.